共计 2364 个字符，预计需要花费 6 分钟才能阅读完成。
在文献计量分析中，CiteSpace 作为一款强大的可视化工具，其聚类功能能够帮助研究者快速识别研究热点和趋势。然而，许多用户在使用过程中会遇到一个看似小却影响实际分析的问题——聚类标签序号不连续。这种现象不仅降低了结果的可读性，还可能对后续的统计分析造成困扰。本文将深入探讨这一问题的成因，并提供切实可行的解决方案。
1. 背景与痛点：聚类标签序号不连续的困扰
CiteSpace 通过算法自动将相关文献分组，并为每个聚类分配一个标签序号。理想情况下，这些序号应该是连续的（如 #0、#1、#2…）。但在实际使用中，用户常会遇到序号跳跃的情况（如#0、#2、#5…），这主要源于：
- 聚类算法在迭代过程中动态合并或删除某些聚类
- 结果可视化时对低显著性聚类的过滤处理
- 软件默认配置对小型聚类的自动剔除
这种不连续性虽然不影响算法的数学正确性，但会导致：
- 聚类结果呈现混乱，影响快速识别
- 跨版本或跨数据集的比较困难
- 自动化脚本处理时需额外编写容错代码
2. 问题分析：从算法实现看序号断裂
CiteSpace 的聚类过程主要包含以下关键步骤：
- 共被引网络构建
- 基于模块度的社区检测
- 聚类显著性计算
- 标签分配与可视化
序号不连续主要发生在第三、四阶段。当某些聚类的：
- 轮廓值 (Silhouette) 低于阈值
- 包含节点数过少
- 内部连接密度不足
系统会将其标记为无效聚类并在可视化时跳过序号。这种设计本意是优化显示效果，却带来了序号断裂的副作用。
3. 解决方案：两种修复路径
方法一：通过配置文件调整（推荐非技术用户）
修改 CiteSpace 安装目录下的 project.properties 文件：
# 调低聚类显著性阈值
cluster.min.silhouette=0.3 → 0.1
# 禁用自动过滤小聚类
cluster.filter.small=false
# 设置最小聚类节点数
cluster.min.size=5 → 2方法二：直接修改 Java 源码（需重新编译）
定位到 ClusterAnnotator.java 中的标签生成逻辑：
// 原始代码（约第 147 行）for(int i = 0; i < significantClusters.size(); i++) {Cluster cluster = significantClusters.get(i);
if(cluster.getSilhouette() < SILHOUETTE_THRESHOLD) continue; // 跳过低质量聚类
...
}
// 修改为
List<Cluster> filteredClusters = significantClusters.stream()
.filter(c -> c.getSilhouette() >= SILHOUETTE_THRESHOLD)
.collect(Collectors.toList());
for(int i = 0; i < filteredClusters.size(); i++) {Cluster cluster = filteredClusters.get(i);
cluster.setDisplayLabel(i); // 强制重编号
...
}4. 代码示例：标签重映射实现
对于需要深度定制的用户，可参考以下完整重编号方案：
public void reindexClusters(List<Cluster> clusters) {
// 按聚类规模降序排列
clusters.sort((c1, c2) -> Integer.compare(c2.size(), c1.size()));
// 重映射标签
int validIndex = 0;
for(Cluster c : clusters) {if(shouldKeepCluster(c)) { // 自定义过滤条件
c.setLabel("#" + validIndex);
validIndex++;
} else {c.setLabel("[REMOVED]");
}
}
// 更新可视化参数
updateVisualization(clusters);
}
/** 示例过滤条件 */
private boolean shouldKeepCluster(Cluster c) {return c.size() >= MIN_CLUSTER_SIZE
&& c.getSilhouette() >= MIN_SILHOUETTE
&& !isNoiseCluster(c);
}5. 验证与测试：确认修复效果
完成修改后，建议通过以下步骤验证：
- 使用同一数据集运行原始版本和修改后版本
- 对比
network_stats.txt中的聚类统计信息 - 检查
cluster_summary.txt中的标签分布 - 观察可视化图中标签的连续性
有效修复的标志包括：
- 所有显示的聚类标签形成连续整数序列
- 被过滤的聚类不再占用标签序号
- 聚类排序逻辑与预期一致（通常按规模降序）
6. 最佳实践：预防性配置建议
为避免后续分析中的标签问题，推荐：
- 在项目初始化时明确设置聚类参数：
preprocessing.clustering.algorithm = louvain clustering.resolution = 1.0 - 对大规模数据集先进行采样测试
- 定期导出聚类元数据备份
- 使用脚本自动化检查标签连续性
7. 总结与延伸思考
本文详细剖析了 CiteSpace 聚类标签不连续问题的技术根源，并提供了从简单配置到深度代码修改的多级解决方案。值得注意的是，这看似表面的编号问题，实际上反映了科学计量可视化工具在算法严谨性与用户体验之间的平衡挑战。
进一步思考：
– 如何设计更鲁棒的聚类结果展示逻辑？
– 是否存在动态编号方案能同时保留算法信息和阅读友好性？
– 其他文献分析工具（如 VOSviewer）如何处理类似问题？
欢迎读者在实践中测试这些方案，并分享你们遇到的特殊案例和创造性解决方法。对于更复杂的聚类异常情况（如标签重叠、跨时区编号不一致等），我们将在后续文章中继续探讨。
